Page 40 - 2022-12-中国全科医学
P. 40

http://www.chinagp.net   E-mail:zgqkyx@chinagp.net.cn  ·1445·


                                         表 3 ICU 患者多重耐药菌感染危险因素的 Meta 分析结果
                              Table 3 Meta-analysis of risk factors of multi-drug resistant bacterial infections in ICU patients
                                                             异质性检验
                  危险因素                  文献数量（篇）             I 值            效应模型      Z 值  OR/SMD（95%CI）   P 值
                                                             2
                                                            （%）    P 值
           基本情况
             X 1 〔性别（男）〕               28 ［10-33，35，37，39-40］  0   0.717  固定效应模型     2.79  1.09（1.03，1.16）  0.005
             X 2 （住院史）            14 ［10，12-13，15-18，21-22，25，28-29，31，39］  0  0.782  固定效应模型  3.66  1.21（1.09，1.33）  <0.001
             X 3 （从外院转入）              7 ［18，20，23，25，27-28，30］  36.6  0.149  固定效应模型  4.22  1.48（1.24，1.78）  <0.001
             X 4 （ICU 住院天数）        11 ［11，16，19-21，27，29，34，36-37，40］  94.2  <0.001  随机效应模型  5.13  0.95（0.59，1.31） a  <0.001
           合并症
             X 5 （其他感染）                6 ［19，22-23，27-28，35］  0    0.677  固定效应模型     4.54  1.37（1.20，1.57）  <0.001
             X 6 （COPD）             11 ［14，16-17，22-23，25-27，34，36-37］  69.6  <0.001  随机效应模型  2.37  1.47（1.07，2.01）  0.018
             X 7 （糖尿病）           22 ［10-11，14，16-20，22-29，31-32，34，37，39-40］  0  0.593  固定效应模型  2.34  1.14（1.02，1.27）  0.019
             X 8 （肾脏疾病）               8 ［11，16，18-20，25，28-29］  59.1  0.017  随机效应模型  1.98  1.71（1.00，2.91）  0.048
             X 9 （肾衰竭）                 6 ［10，19，23，26，32，39］  0.2  0.415  固定效应模型     2.45  1.33（1.06，1.68）  0.014
           侵入性操作
             X 10 （透析）                  5 ［15，17，24，28，31］    0    0.571  固定效应模型     3.40  1.76（1.27，2.44）  0.001
             X 11 （机械通气）           11 ［19-20，22-23，25，27，29，31，34，37］  0  0.566  固定效应模型  2.41  1.16（1.03，1.32）  0.016
             X 12 （中央静脉导管）           10 ［14，16-17，20，22，29，31-33］  92.2  <0.001  随机效应模型  3.82  2.10（1.43，3.06）  <0.001
             X 13 （导尿管）            14 ［10，14，16-17，20-23，31-33，35-36，38］  77.9  <0.001  随机效应模型  3.43  1.40（1.15，1.69）  <0.001
           抗菌药物使用情况
             X 14 （抗菌药物使用种类）           7 ［19-21，24，34，37，40］  98.0  <0.001  随机效应模型   4.08  1.92（1.00，2.84） a  <0.001
             X 15 （抗菌药物使用史）            7 ［11-12，18，20-22，25］  23.7  0.248  固定效应模型    2.38  1.19（1.03，1.37）  0.017
             X 16 （使用碳青霉烯类药物） 13   ［11，16，20-21，24，28-29，31-32，34，36-37，40］  79.6  <0.001  随机效应模型  5.04  2.65（1.81，3.87）  <0.001
             X 17 （使用氨基糖苷类药物）           5 ［16，21，24，31-32］   83.9  <0.001  随机效应模型    2.59  3.16（1.32，7.57）  <0.001
                 a
              注： 表示 SMD
           的危险因素，但本研究并没有得到此发现。可能原因是                            和使用氨基糖苷类药物可能增加产生多重耐药现象的危
           本研究纳入文献较多且文献之间发表偏倚较小，从而校                            险性。但有研究发现使用替加环素可以有效缓解血液病
           正了年龄的影响。相比之下温剑艺等                ［41］ 的研究主要集         患者感染情况，同时可以避免患者因使用其他抗菌药物
           中在老年人。本研究还发现男性患者相对于女性患者更                            而产生多重耐药的现象         ［43］ 。ICU患者与血液病患者类似：
           有可能获得多重耐药菌感染，可能原因是男性相对于女                            免疫力较低下，多器官存在损伤或需要药物治疗及缓解
           性更有可能发生多发伤，从而导致多重耐药菌感染的发                            病情等。因此，本研究认为挑选适宜的抗菌药物避免产
           生。既往研究发现 ICU 患者是否使用导尿管、呼吸机和                         生多重耐药现象的方法同样适用于 ICU。
           中央静脉导管均与多重耐药菌感染相关，甚至与患者死                                近年来越来越多的学者开始关注医院内的多重耐药
           亡率也存在一定关联         ［42］ 。本研究也发现此三者可能对                菌感染问题，并针对此问题提出不同的解决方案。如王
           获得多重耐药菌感染具有促进作用。本研究认为导管对                            敏芳等   ［44］ 推荐对多重耐药菌感染患者进行闭环管理，
           多重耐药菌患病风险的作用可能与操作导管的医务人员                            旨在提高患者的微生物标本送检率和医生开具接触隔离
           的无菌意识和操作规范程度等有密切关系。                                 医嘱率，该研究发现两率的升高有效地控制住了多重耐
               本研究发现在合并症中，其他感染、COPD、糖尿病、                       药菌的交叉传播风险。也有研究者提出将防控关口前移，
           肾脏疾病和肾衰竭是多重耐药菌感染的危险因素。而周                            即对 ICU 新入住患者多重耐药菌感染情况进行预测并对
           芳等  ［40］ 发现肾功能异常和急性脑血管疾病等在单因素                       预测阳性患者提前采取相应的防控措施                 ［45］ 。但目前为
           分析时与发生多重耐药菌感染有关联，但多因素分析时，                           止研究者们多基于自身院内数据进行预测模型的构建，
           仅脑血管疾病、抗菌药物使用种类与使用时间对发生多                            这极大地降低了模型的外推性。如项彦斌等                   ［46］ 构建的
           重耐药菌感染有影响。由此间接说明基于 Meta 分析构                         Logistic 模型虽然预测性能较好，但由于采用当地医院
           建的模型可能存在的缺陷是无法规避多重共线性问题。                            数据建模，其外推性暂时无法确定。本研究构建的模型
           本研究同样也发现了抗菌药物使用种类、抗菌药物使用                            在外部人群数据中验证结果较好，ROC 曲线下面积为
           史、使用碳青霉烯类药物、使用非三代头孢菌素类药物                            0.724。虽然灵敏度低于丁梦媛等           ［35］ 构建的预测量表，
   35   36   37   38   39   40   41   42   43   44   45